Algoritmus clusteringu Microsoft Sequence

Platí pro: SQL Server 2019 a starší služby Analysis Services Azure Analysis Services Fabric/ Power BI Premium

Důležité

Dolování dat bylo v SQL Serveru 2017 Analysis Services zastaralé a nyní ukončeno ve službě SQL Server 2022 Analysis Services. Dokumentace se neaktualizuje pro zastaralé a ukončené funkce. Další informace najdete v tématu Zpětná kompatibilita služby Analysis Services.

Algoritmus clusteringu Microsoft Sequence je jedinečný algoritmus, který kombinuje sekvenční analýzu s clusteringem. Tento algoritmus můžete použít k prozkoumání dat obsahujících události, které lze propojit v posloupnosti. Algoritmus najde nejběžnější sekvence a provede clustering a vyhledá sekvence podobné. Následující příklady ilustrují typy sekvencí, které můžete zachytit jako data pro strojové učení, abyste získali přehled o běžných problémech nebo obchodních scénářích:

• Cesty kliknutí nebo procházení generované, když uživatelé navigují nebo procházejí webovou stránku.

• Protokoly, které uvádějí události předcházející incidentu, jako je selhání pevného disku nebo zablokování serveru.

• Záznamy transakcí, které popisují objednávku, ve které zákazník přidává položky do online nákupního košíku

• Záznamy, které sledují interakce zákazníků nebo pacientů v průběhu času, k predikci zrušení služby nebo jiných špatných výsledků

Tento algoritmus je podobný mnoha způsoby jako algoritmus Microsoft Clustering. Místo hledání clusterů případů, které obsahují podobné atributy, ale algoritmus Clusteringu Microsoft Sequence Clustering vyhledá clustery případů, které obsahují podobné cesty v sekvenci.

Example

Web Adventure Works Cycles shromažďuje informace o tom, které stránky uživatelé navštíví, a o pořadí, ve kterém jsou stránky navštíveny. Vzhledem k tomu, že společnost poskytuje online objednávky, musí se zákazníci přihlásit k webu. To společnosti poskytuje informace o kliknutí pro každý profil zákazníka. Pomocí algoritmu Microsoft Sequence Clustering na těchto datech může společnost najít skupiny nebo clustery zákazníků, kteří mají podobné vzory nebo posloupnosti kliknutí. Společnost pak může pomocí těchto clusterů analyzovat, jak se uživatelé pohybují přes web, identifikovat stránky, které nejvíce souvisejí s prodejem konkrétního produktu, a předpovědět, které stránky budou pravděpodobně navštíveny dále.

Jak funguje algoritmus

Algoritmus clusteringu Microsoft Sequence je hybridní algoritmus, který kombinuje techniky clusteringu s analýzou řetězu Markov k identifikaci clusterů a jejich sekvencí. Jednou z charakteristických znaků algoritmu Microsoft Sequence Clustering je to, že používá sekvenční data. Tato data obvykle představují řadu událostí nebo přechodů mezi stavy v datové sadě, například řadu nákupů produktů nebo kliknutí na web pro konkrétního uživatele. Algoritmus prozkoumá všechny pravděpodobnosti přechodu a měří rozdíly nebo vzdálenosti mezi všemi možnými sekvencemi v datové sadě a určí, které sekvence jsou nejlepší použít jako vstupy pro clustering. Jakmile algoritmus vytvoří seznam kandidátských sekvencí, použije informace o sekvenci jako vstup pro clustering pomocí maximalizace očekávání (EM).

Podrobný popis implementace naleznete v části Technické referenční informace k algoritmu clusteringu Microsoft Sequence.

Data požadovaná pro modely sekvenčního clusteringu

Při přípravě dat pro trénování modelu sekvenčního clusteringu byste měli porozumět požadavkům konkrétního algoritmu, včetně toho, kolik dat je potřeba a jak se data používají.

Požadavky na sekvenční clusteringový model jsou následující:

• Sloupec s jedním klíčem Model sekvenčního clusteringu vyžaduje klíč, který identifikuje záznamy.

• Sekvenční sloupec V případě sekvenčních dat musí mít model vnořenou tabulku, která obsahuje sloupec ID sekvence. ID sekvence může být libovolný seřaditelný datový typ. Můžete například použít identifikátor webové stránky, celé číslo nebo textový řetězec, pokud sloupec identifikuje události v posloupnosti. Pro každou sekvenci je povolený pouze jeden identifikátor sekvence a v každém modelu je povolený pouze jeden typ sekvence.

• Volitelné nesekvenční atributy Algoritmus podporuje přidání dalších atributů, které nesouvisí s sekvencováním. Tyto atributy mohou zahrnovat vnořené sloupce.

Například v příkladu citovaném dříve na webu Adventure Works Cycles může model sekvenčního clusteringu obsahovat informace o objednávce jako tabulku případu, demografické údaje o konkrétním zákazníkovi pro každou objednávku jako atributy, které nejsou posloupnosti, a vnořená tabulka obsahující pořadí, ve kterém zákazník prohlédl web nebo vložil položky do nákupního košíku jako informace o sekvenci.

Podrobnější informace o typech obsahu a datových typech podporovaných pro modely sekvencování clusteringu najdete v části Požadavky technické reference k algoritmům clusteringu Microsoft Sequence Clustering.

Zobrazení modelu sekvenčního clusteringu

Model dolování, který tento algoritmus vytvoří, obsahuje popisy nejběžnějších sekvencí v datech. K prozkoumání modelu můžete použít Prohlížeč clusteru Microsoft Sequence. Když zobrazíte model sekvenčního clusteringu, služba SQL Server Analysis Services vám ukáže clustery, které obsahují více přechodů. Můžete také zobrazit relevantní statistiky. Další informace naleznete v tématu Procházení modelu pomocí prohlížeče clusteru Microsoft Sequence.

Pokud chcete získat další podrobnosti, můžete model procházet v prohlížeči Microsoft Generic Content Tree Viewer. Obsah uložený pro model zahrnuje distribuci všech hodnot v každém uzlu, pravděpodobnost každého clusteru a podrobnosti o přechodech. Další informace naleznete v tématu Obsah modelu dolování pro sekvenční clustering modely (Analysis Services - Data Mining).

Vytváření předpovědí

Po vytrénování modelu se výsledky uloží jako sada vzorů. Pomocí popisů nejběžnějších sekvencí v datech můžete předpovědět další pravděpodobný krok nové sekvence. Vzhledem k tomu, že algoritmus obsahuje další sloupce, můžete výsledný model použít k identifikaci relací mezi sekvencovanými daty a vstupy, které nejsou sekvenční. Pokud do modelu například přidáte demografická data, můžete vytvářet předpovědi pro konkrétní skupiny zákazníků. Prediktivní dotazy je možné přizpůsobit tak, aby vracely proměnlivý počet předpovědí nebo vracely popisné statistiky.

Informace o tom, jak vytvářet dotazy na model dolování dat, naleznete v tématu Dotazy dolování dat. Příklady použití dotazů s modelem sekvenčního clusteringu najdete v tématu Příklady dotazů modelu sekvenčního clusteringu.

Poznámky

• Nepodporuje použití jazyka PMML (Predictive Model Markup Language) k vytváření dolování modelů.

• Podporuje podrobnou analýzu.

• Podporuje použití modelů dolování OLAP a vytváření dimenzí dolování dat.

Viz také

Algoritmy dolování dat (Analysis Services – Dolování dat)
Technické informace o algoritmu clusteringu Microsoft Sequence
Příklady dotazů modelu sekvenčního clusteringu
Procházení modelu pomocí prohlížeče clusteru Microsoft Sequence